nitiphong s@acc msu ac th www nitiphong com n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Nitiphong.s@acc.msu.ac.th www.nitiphong.com PowerPoint Presentation
Download Presentation
Nitiphong.s@acc.msu.ac.th www.nitiphong.com

Loading in 2 Seconds...

play fullscreen
1 / 154

Nitiphong.s@acc.msu.ac.th www.nitiphong.com - PowerPoint PPT Presentation


  • 166 Views
  • Uploaded on

Mahasarakham Business School. Mahasarakham University, Thailand 44150. การวิเคราะห์ข้อมูลด้วย SPSS. อ.ดร. นิติพงษ์ ส่งศรีโรจน์. Nitiphong.s@acc.msu.ac.th www.nitiphong.com. Dr. Nitiphong Songsrirote, nitiphong.s@acc.msu.ac.th, http://www.nitiphong.com .

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'Nitiphong.s@acc.msu.ac.th www.nitiphong.com' - tovah


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
nitiphong s@acc msu ac th www nitiphong com

Mahasarakham Business School

Mahasarakham University, Thailand 44150

การวิเคราะห์ข้อมูลด้วย SPSS

อ.ดร. นิติพงษ์ ส่งศรีโรจน์

Nitiphong.s@acc.msu.ac.th

www.nitiphong.com

Dr. Nitiphong Songsrirote, nitiphong.s@acc.msu.ac.th, http://www.nitiphong.com

slide2

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

การทดสอบค่าเฉลี่ยสำหรับประชากร 2 กลุ่ม
  • กรณีที่กลุ่มตัวอย่าง 2 กลุ่มเป็นอิสระกัน(Independent Sample)
  • กรณีที่กลุ่มตัวอย่าง 2 กลุ่มไม่เป็นอิสระกัน (Dependent Sample)
slide3

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

การทดสอบกรณีที่กลุ่มตัวอย่าง 2 กลุ่มเป็นอิสระกัน

สมมติฐาน

แบบที่ 1 Ho: 1 = 2 และ H1 : 12

แบบที่ 2 Ho: 12 และ H1 : 12

แบบที่ 3 Ho: 12 และ H1 : 12

slide4

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ทดสอบกรณีที่กลุ่มตัวอย่าง 2 กลุ่มเป็นอิสระกันจะต้องตรวจสอบข้อตกลง 3 ข้อ
  • ประชากรทั้งสองกลุ่มจะต้องมีการแจกแจงแบบปกติ หรือขนาดตัวอย่างที่สุ่มแต่ละกลุ่มมีจำนวนมากกว่า 30 ค่า
  • ข้อมูลจะต้องเป็นข้อมูลเชิงปริมาณ
  • ทดสอบความแปรปรวนของประชากรทั้ง 2 กลุ่มว่ามีความแตกต่างกันหรือไม่
slide5

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

1. การทดสอบการแจกแจงแบบปกติกรณีที่กลุ่มตัวอย่าง 2 กลุ่มเป็นอิสระกัน

Data8_2.sav

Ex เป็นการทดสอบปริมาณการใช้คอมพิวเตอร์(ตัวแปร Freq1) ของกลุ่มตัวอย่าง(วัน/สัปดาห์) โดยจำแนกตามเพศ(ตัวแปร Sex)

ลักษณะของคำถามในแบบสอบถาม

1. เพศ  ชาย หญิง

2. ปริมาณการใช้คอมพิวเตอร์ ............................ วัน/สัปดาห์

คำสั่ง

Analyze Descriptive Statistics  Explore…

slide6

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

slide7

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ผลการวิเคราะห์

จากการวิเคราะห์ปริมาณการใช้คอมพิวเตอร์ต่อสัปดาห์เมื่อจำแนกตามเพศ พบว่า ปริมาณการใช้คอมพิวเตอร์ต่อสัปดาห์ทั้งเพศชายและเพศหญิงมีการแจกแจงแบบปกติ ซึ่งค่า Sig. ที่ได้จากการทดสอบเมื่อจำแนกตามเพศชายมีค่าเท่ากับ 0.603 และเพศหญิงมีค่าเท่ากับ 0.227 โดยทดสอบที่ระดับนัยสำคัญ 0.05

slide8

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

คำสั่ง

Analyze  Compare Means 

2 Independent-Samples T Test…

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

2.วิธีการทดสอบค่าเฉลี่ยกรณีที่กลุ่มตัวอย่าง 2 กลุ่มเป็นอิสระกัน

สมมติฐานสำหรับการทดสอบความแปรปรวน

H0 : ความแปรปรวนของประชากร 2 กลุ่มไม่แตกต่างกัน ( )

H1 : ความแปรปรวนของประชากร 2 กลุ่มแตกต่างกัน

( )

ex freq3

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

Ex ปริมาณการใช้ซอฟต์แวร์ผลิตสื่อการสอนต่อสัปดาห์(ตัวแปร Freq3) ระหว่างวิทยาเขตกล้วยน้ำไทและวิทยาเขตรังสิต มีความแตกต่างกันหรือไม่

Example.sav

slide10

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

การทดสอบความแปรปรวนของประชากร 2 กลุ่ม

1. Ho : ความแปรปรวนของปริมาณการใช้ซอฟต์แวร์สื่อการสอนระหว่างวิทยาเขตกล้วยน้ำไทและวิทยาเขตรังสิตไม่แตกต่างกัน

H1 : ความแปรปรวนของปริมาณการใช้ซอฟต์แวร์สื่อการสอนระหว่างวิทยาเขตกล้วยน้ำไทและวิทยาเขตรังสิตแตกต่างกัน

2. สถิติทดสอบ คือ F =7.063

3. ค่า Sig = 0.009

4. ระดับนัยสำคัญ() = 0.05

5. ค่า Sig<  แสดงว่าปฏิเสธสมมติฐานหลัก นั่นคือ ความแปรปรวนของปริมาณการใช้ซอฟต์แวร์สื่อการสอนระหว่างวิทยาเขตกล้วยน้ำไทและวิทยาเขตรังสิตแตกต่างกัน ที่ระดับนัยสำคัญ 0.05

slide11

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

การทดสอบค่าเฉลี่ยของประชากร 2 กลุ่ม

1. Ho : ปริมาณการใช้ซอฟต์แวร์สื่อการสอนเฉลี่ยระหว่างวิทยาเขตกล้วยน้ำไทและวิทยาเขตรังสิตไม่แตกต่างกัน

H1 : ปริมาณการใช้ซอฟต์แวร์สื่อการสอนเฉลี่ยระหว่างวิทยาเขตกล้วยน้ำไทและวิทยาเขตรังสิตแตกต่างกัน

2. สถิติทดสอบ คือ t =1.326

3.ค่า Sig = 0.188

4.ระดับนัยสำคัญ() = 0.05

5.ค่า Sig>  แสดงว่ายอมรับสมมติฐานหลัก นั่นคือ ปริมาณการใช้ซอฟต์แวร์สื่อการสอนเฉลี่ยระหว่างวิทยาเขตกล้วยน้ำไทและวิทยาเขตรังสิตไม่แตกต่างกัน ที่ระดับนัยสำคัญ 0.05

slide12

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ผลการวิเคราะห์

จากตาราง เป็นการวิเคราะห์หาความแตกต่างระหว่างปริมาณการใช้ซอฟต์แวร์สื่อการสอนต่อสัปดาห์จำแนกตามวิทยาเขตพบว่า วิทยาเขตกล้วยน้ำไทและวิทยาเขตรังสิตมีปริมาณการใช้ซอฟต์แวร์สื่อการสอนเฉลี่ยต่อสัปดาห์ไม่แตกต่างกัน ซึ่งค่า Sig. ที่ได้จากการทดสอบมีค่าเท่ากับ 0.188 โดยทดสอบที่ระดับนัยสำคัญ 0.05

slide13

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

การทดสอบกรณีที่กลุ่มตัวอย่าง 2 กลุ่มไม่เป็นอิสระกัน

สมมติฐาน

แบบที่ 1 Ho: d = 0 และ H1 : d 0

แบบที่ 2 Ho: d 0 และ H1 : d 0

แบบที่ 3 Ho: d  0 และ H1 : d 0

slide14

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

Ex คะแนนสอบของนักศึกษาก่อนและหลังการการเรียนปรับพื้นฐานทางด้านการเขียนโปรแกรมแตกต่างกันหรือไม่

คำสั่ง

Analyze  Compare Means 

Paired-Samples T test…

slide15

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

Data8_10.sav

slide16

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ทดสอบสมมติฐาน
  • Ho : คะแนนสอบของนักศึกษาก่อนและหลังการการเรียนปรับพื้นฐานทางด้านการเขียนโปรแกรมไม่แตกต่างกัน

H1 : คะแนนสอบของนักศึกษาก่อนและหลังการการเรียนปรับพื้นฐานทางด้านการเขียนโปรแกรมแตกต่างกัน

2. สถิติทดสอบ คือ t = -0.404

3. ค่า Sig = 0.696

4. ระดับนัยสำคัญ() = 0.05

5. ค่า Sig>  แสดงว่ายอมรับสมมติฐานหลัก นั่นคือ คะแนนสอบของนักศึกษาก่อนและหลังการการเรียนปรับพื้นฐานทางด้านการเขียนโปรแกรมไม่แตกต่างกัน ที่ระดับนัยสำคัญ 0.05

slide17

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ผลการวิเคราะห์

จากตาราง เป็นการวิเคราะห์หาความแตกต่างของคะแนนสอบก่อนและหลังการเรียนปรับพื้นฐานทางด้านการเขียนโปรแกรม พบว่า คะแนนสอบของนักศึกษาก่อนและหลังการการเรียนปรับพื้นฐานทางด้านการเขียนโปรแกรมไม่แตกต่างกัน ซึ่งค่า Sig. ที่ได้จากการทดสอบมีค่าเท่ากับ 0.696 โดยทดสอบที่ระดับนัยสำคัญ 0.05

ex 13

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

Ex ต้องการทดสอบไอคิวของฝาแฝด โดยเก็บข้อมูลทั้งหมด 13 คน เพื่อทดสอบว่าไอคิวของแฝดพี่จะน้อยกว่าไอคิวของแฝดน้องจริงหรือไม่

Data8_11.sav

slide19

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

การทดสอบสมมติฐาน

1. Ho : ไอคิดของแฝดพี่ไม่น้อยกว่าไอคิวของแฝดน้อง

H1 : ไอคิดของแฝดพี่น้อยกว่าไอคิวของแฝดน้อง

2. สถิติทดสอบ คือ t = -1.399

3. ค่า Sig = 0.187 / 2 = 0.0935

4. ระดับนัยสำคัญ() = 0.05

5. ค่า Sig >  แสดงว่ายอมรับสมมติฐานหลัก นั่นคือ ไอคิวของแฝดพี่ไม่น้อยกว่าไอคิวของแฝดน้อง ที่ระดับนัยสำคัญ 0.05

slide20

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ผลการวิเคราะห์

จากตาราง เป็นการวิเคราะห์ไอคิวระหว่างแฝดพี่และแฝดน้อง ไอคิวของแฝดพี่ไม่น้อยกว่าไอคิวของแฝด ซึ่งค่า Sig. ที่ได้จากการทดสอบมีค่าเท่ากับ 0.0935 โดยทดสอบที่ระดับนัยสำคัญ 0.05

slide21

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

การวิเคราะห์ความแปรปรวน

anova

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

One Way ANOVA

ANOVA

Two Way ANOVA

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ANOVA

เป็นวิธีการทดสอบสมมติฐานทางสถิติ เพื่อทดสอบความแตกต่างของค่าเฉลี่ยของประชากรที่มีตั้งแต่ 3 กลุ่มขึ้นไป

one way anova

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

One way ANOVA
  • เป็นการวิเคราะห์ข้อมูลด้วยตัวแปรหรือปัจจัยที่จะมีผลกระทบกับตัวแปรหลักเพียงแค่ 1 ตัวเท่านั้น

เช่น

อาชีพ  ทหาร  อาจารย์  วิศวกร

ค่าใช้จ่าย …………………………. บาท/เดือน

anova1

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ข้อตกลงเบื้องต้นของ ANOVA
  • กลุ่มตัวอย่างที่ใช้ทดสอบในแต่ละกลุ่มจะต้องมีการแจกแจงแบบปกติ
  • กลุ่มตัวอย่างที่ใช้ทดสอบจะต้องมีความแปรปรวนไม่แตกต่างกัน
  • กลุ่มตัวอย่างที่ใช้แต่ละกลุ่มจะต้องเป็นอิสระกัน
anova2

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ตาราง ANOVA
anova3

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

สมมติฐาน ANOVA

Data9_1.sav

Ho : 1 = 2 = … = k

H1 : มี iอย่างน้อย 1 คู่ที่แตกต่างกัน

  • ลักษณะของคำถามในแบบสอบถาม
  • 1. ชั้นปี
    •  ชั้นปี 1  ชั้นปี 2  ชั้นปี 3  ชั้นปี 4
    • 2. จำนวนชั่วโมงในการเล่นเกมออนไลน์ ……………….. ชั่วโมง/วัน

ต้องการทดสอบจำนวนชั่วโมงในการเล่นเกมออนไลน์ของนักศึกษาทั้ง 4 ชั้นปีว่ามีความแตกต่างกันหรือไม่

slide27

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ทดสอบการแจกแจงแบบปกติ และการทดสอบความแปรปรวนของข้อมูล

คำสั่ง

Analyze  Descriptive Statistics  Explore…

ทดสอบการแจกแจงปกติ

slide28

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

การทดสอบการแจกแจงแบบปกติ

เมื่อจำแนกตามชั้นปีที่ 1

1)Ho : จำนวนชั่วโมงในการเล่นเกมส์ออนไลน์ของนักศึกษาชั้นปีที่ 1 มีการแจกแจงแบบปกติ

H1 : จำนวนชั่วโมงในการเล่นเกมส์ออนไลน์ของนักศึกษาชั้นปีที่ 1 ไม่มีการแจกแจงแบบปกติ

2)สถิติทดสอบ คือ Shapiro-Wilk = 0.924

3)ค่า Sig = 0.355

4)ระดับนัยสำคัญ() = 0.05

5)ค่า Sig>  แสดงว่ายอมรับสมมติฐานหลัก นั่นคือ จำนวนชั่วโมงในการเล่นเกมส์ออนไลน์ของนักศึกษาชั้นปีที่ 1 มีการแจกแจงแบบปกติที่ระดับนัยสำคัญ 0.05

slide29

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ผลการวิเคราะห์การแจกแจงปกติผลการวิเคราะห์การแจกแจงปกติ

จากการวิเคราะห์จำนวนชั่วโมงในการเล่นเกมออนไลน์เมื่อจำแนกตามชั้นปี พบว่า จำนวนชั่วโมงในการเล่นเกมออนไลน์ของแต่ละชั้นปี มีการแจกแจงแบบปกติ ซึ่งค่า Sig. ที่ได้จากการทดสอบเมื่อจำแนกตามชั้นปีที่ 1 มีค่าเท่ากับ 0.355 ชั้นปีที่ 2 มีค่าเท่ากับ 0.094 ชั้นปีที่ 3 มีค่าเท่ากับ 0.331 ชั้นปีที่ 4 มีค่าเท่ากับ 0.372 โดยทดสอบที่ระดับนัยสำคัญ 0.05

slide30

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

การทดสอบความแปรปรวน

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

slide31

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

การทดสอบความแปรปรวนของข้อมูลการทดสอบความแปรปรวนของข้อมูล
  • Ho : จำนวนชั่วโมงในการเล่นเกมส์ออนไลน์ของนักศึกษาทั้ง 4 ชั้นปี มีความแปรปรวนไม่แตกต่างกัน

H1 : จำนวนชั่วโมงในการเล่นเกมส์ออนไลน์ของนักศึกษาอย่างน้อย 2 ชั้นปี มีความแปรปรวนแตกต่างกัน

  • สถิติทดสอบ คือ Levence statistic = 0.411
  • ค่า Sig = 0.746
  • ระดับนัยสำคัญ() = 0.05
  • ค่า Sig>  แสดงว่ายอมรับสมมติฐานหลัก นั่นคือ จำนวนชั่วโมงในการเล่นเกมส์ออนไลน์ของนักศึกษาทั้ง 4 ชั้นปี มีความแปรปรวนไม่แตกต่างกันที่ระดับนัยสำคัญ 0.05
slide32

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ผลการวิเคราะห์ความแปรปรวนผลการวิเคราะห์ความแปรปรวน

จากการวิเคราะห์ความแปรปรวนของจำนวนชั่วโมงในการเล่นเกมส์ออนไลน์ของนักศึกษาทั้ง 4 ชั้นปี พบว่า มีความแปรปรวนไม่แตกต่างกัน ค่า Sig ที่ได้จากการทดสอบมีค่าเท่ากับ 0.746 โดยทดสอบที่ระดับนัยสำคัญ 0.05

one way anova1

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ทดสอบ One-WayANOVA

คำสั่ง

Analyze  Compare Means  One-Way ANOVA…

slide34

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

anova4

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ทดสอบ ANOVA
  • Ho : จำนวนชั่วโมงในการเล่นเกมส์ออนไลน์เฉลี่ยของนักศึกษาทั้ง 4 ชั้นปี ไม่แตกต่างกัน

H1 : จำนวนชั่วโมงในการเล่นเกมส์ออนไลน์เฉลี่ยของนักศึกษาอย่างน้อย 2 ชั้นปี แตกต่างกัน

  • สถิติทดสอบ คือ F = 3.044
  • ค่า Sig = 0.041
  • ระดับนัยสำคัญ() = 0.05
  • ค่า Sig <  แสดงว่าปฏิเสธสมมติฐานหลัก นั่นคือ จำนวนชั่วโมงในการเล่นเกมส์ออนไลน์เฉลี่ยของนักศึกษาอย่างน้อย 2 ชั้นปี แตกต่างกัน ที่ระดับนัยสำคัญ 0.05

ในกรณีที่ Reject H0จะต้องดูตาราง Post Hoc ต่อ

post hoc tests
Post Hoc Tests

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

slide37

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ตรวจสอบว่าคู่ใดแตกต่างกันมากตรวจสอบว่าคู่ใดแตกต่างกันมาก

วิธีหาจำนวนคู่ = k(k-1)/2

เมื่อข้อมูลถูกจำแนกเป็น 4 กลุ่ม จะต้องทดสอบข้อมูล

= 4(4-1) /2

= 6 คู่

slide38

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ตัวอย่าง การทดสอบความแตกต่างระหว่างจำนวนชั่วโมงในการเล่นเกมส์ออนไลน์ ระหว่าง ชั้นปีที่ 1 กับปีที่ 2

  • Ho : จำนวนชั่วโมงในการเล่นเกมส์ออนไลน์เฉลี่ยของนักศึกษาชั้นปีที่ 1 และ 2 ไม่แตกต่างกัน

H1 : จำนวนชั่วโมงในการเล่นเกมส์ออนไลน์เฉลี่ยของนักศึกษาชั้นปีที่ 1 และ 2 แตกต่างกัน

  • ค่า Sig = 0.493
  • ระดับนัยสำคัญ() = 0.05
  • ค่า Sig >  แสดงว่ายอมรับสมมติฐานหลัก นั่นคือ จำนวนชั่วโมงในการเล่นเกมส์ออนไลน์เฉลี่ยของนักศึกษาชั้นปีที่ 1 และ 2 ไม่แตกต่างกัน ที่ระดับนัยสำคัญ 0.05
anova5

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ผลการวิเคราะห์ ANOVA

จากตาราง เป็นการวิเคราะห์หาความแตกต่างระหว่างจำนวนชั่วโมงในการเล่นเกมส์ออนไลน์ของนักศึกษา 4 ชั้นปี พบว่า มีอย่างน้อย 2 ชั้นปีที่มีจำนวนชั่วโมงในการเล่มเกมส์ออนไลน์แตกต่างกันที่ระดับนัยสำคัญ 0.05 ซึ่งค่า Sig ที่ได้จากการทดสอบครั้งนี้มีค่าเท่ากับ 0.041 ดังนั้น จึงต้องทดสอบเพื่อหาความแตกต่างระหว่างชั้นปี โดยใช้วิธีการทดสอบ Multiple Comparison Test และเลือกใช้ค่าสถิติ LSD ในการทดสอบ ซึ่ง แสดงผลลัพธ์ในตาราง ดังนี้

slide40

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

*แสดงชั้นปีที่มีจำนวนชั่วโมงในการเล่นเกมออนไลน์ที่แตกต่างกัน

จากตารางพบว่า มีจำนวนชั้นปีที่มีจำนวนชั่วโมงในการเล่นเกมส์ออนไลน์ที่แตกต่างกัน2 คู่ ดังนี้คือ ชั้นปีที่ 1 กับ ชั้นปีที่ 4 และ ชั้นปีที่ 2 กับชั้นปีที่ 4 โดยทดสอบที่ระดับนัยสำคัญ 0.05 และคู่ที่มีจำนวนชั่วโมงในการเล่นเกมส์ออนไลน์ที่แตกต่างกันมากที่สุดคือ ชั้นปีที่ 2 และชั้นปีที่ 4 ซึ่งมีค่าความแตกต่างเท่ากับ 3.485 ชั่วโมง

two way anova

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

Two-Way ANOVA

เป็นการวิเคราะห์ข้อมูลด้วยตัวแปรหรือปัจจัยที่จะมีผลกระทบกับตัวแปรหลัก 2 ตัว

เช่น

อาชีพ  ทหาร  อาจารย์  วิศวกร

อายุ  ต่ำกว่า 20 ปี  21-35 ปี  ตั้งแต่ 36 ปี

ค่าใช้จ่าย …………………………. บาท/เดือน

two way anova1

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ตาราง Two-Way ANOVA
two way anova 3

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

สมมติฐาน Two-Way ANOVA ทดสอบ 3 เรื่อง
  • เปรียบเทียบค่าเฉลี่ยระหว่างกลุ่มตัวอย่างที่เกิดขึ้นจากการมีความผันแปรร่วมระหว่างแถวกับคอลัมน์
  • เปรียบเทียบค่าเฉลี่ยระหว่างกลุ่มตัวอย่างที่เกิดขึ้นในแถว
  • เปรียบเทียบค่าเฉลี่ยระหว่างกลุ่มตัวอย่างที่เกิดขึ้นในคอลัมน์
slide44

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

Data9_2.sav

  • ลักษณะของคำถามในแบบสอบถาม
    • .ชั้นปี
    •  ชั้นปี 1  ชั้นปี 2
    •  ชั้นปี 3  ชั้นปี 4
    • .คณะ
    • บริหารธุรกิจ บัญชี วิทยาศาสตร์
    • .จำนวนชั่วโมงในการสนทนาออนไลน์ ……………….. ชั่วโมง/วัน

จากแบบสอบถามเป็นการเก็บรวบรวมข้อมูลจำนวนชั่วโมงในการเล่นสนทนาออนไลน์(Chat) ของนักศึกษาทั้ง 4 ชั้นปี จากนักศึกษาทั้งหมด 3 คณะ เพื่อทดสอบ Two-way ANOVA

slide45

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

Univariate Analysis of Variance

คำสั่ง

Analyze  General Linear Model  Univariate…

slide46

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

slide47

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

slide48

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

การทดสอบการมีความผันแปรร่วมระหว่างชั้นปีและคณะ

  • Ho : ความผันแปรร่วมระหว่างชั้นปีและคณะไม่มีผลต่อจำนวนชั่วโมงในการสนทนาออนไลน์ของนักศึกษา

H1 : ความผันแปรร่วมระหว่างชั้นปีและคณะมีผลต่อจำนวนชั่วโมงในการสนทนาออนไลน์ของนักศึกษา

  • สถิติทดสอบ คือ F = 0.647
  • ค่า Sig = 0.692
  • ระดับนัยสำคัญ() = 0.05
  • ค่า Sig >  แสดงว่ายอมรับสมมติฐานหลัก นั่นคือ ความผันแปรร่วมระหว่างชั้นปีและคณะไม่มีผลต่อจำนวนชั่วโมงในการสนทนาออนไลน์ของนักศึกษา ที่ระดับนัยสำคัญ 0.05
slide49

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

การทดสอบค่าเฉลี่ยของการสนทนาออนไลน์ระหว่างนักศึกษาทั้ง 4 ชั้นปี
  • Ho : จำนวนชั่วโมงในการสนทนาออนไลน์เฉลี่ยของนักศึกษาทั้ง 4 ชั้นปี ไม่แตกต่างกัน

H1 : จำนวนชั่วโมงในการสนทนาออนไลน์เฉลี่ยของนักศึกษาอย่างน้อย 2 ชั้นปี แตกต่างกัน

  • สถิติทดสอบ คือ F = 2.495
  • ค่า Sig = 0.080
  • ระดับนัยสำคัญ() = 0.05
  • ค่า Sig >  แสดงว่ายอมรับสมมติฐานหลัก นั่นคือ จำนวนชั่วโมงในการสนทนาออนไลน์เฉลี่ยของนักศึกษาทั้ง 4 ชั้นปี ไม่แตกต่างกัน ที่ระดับนัยสำคัญ 0.05

ในกรณีที่ Accept H0ไม่ต้องดูตาราง Post Hoc ต่อ

slide50

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

การทดสอบค่าเฉลี่ยของการสนทนาออนไลน์ระหว่างนักศึกษาทั้ง 3 คณะ
  • Ho : จำนวนชั่วโมงในการสนทนาออนไลน์เฉลี่ยของนักศึกษาทั้ง 3 คณะ ไม่แตกต่างกัน

H1 : จำนวนชั่วโมงในการสนทนาออนไลน์เฉลี่ยของนักศึกษาอย่างน้อย 2 คณะ แตกต่างกัน

  • สถิติทดสอบ คือ F = 6.380
  • ค่า Sig = 0.005
  • ระดับนัยสำคัญ() = 0.05
  • ค่า Sig <  แสดงว่าปฏิเสธสมมติฐานหลัก นั่นคือ จำนวนชั่วโมงในการสนทนาออนไลน์เฉลี่ยของนักศึกษาอย่างน้อย 2 คณะ แตกต่างกัน ที่ระดับนัยสำคัญ 0.05

ในกรณีที่ Reject H0จะต้องดูตาราง Post Hoc ต่อ

faculty

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

faculty
3 3 1 2 3

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ทั้งหมดที่จะต้องทดสอบ = 3(3-1)/2 = 3 คู่

ตัวอย่าง การทดสอบความแตกต่างระหว่างจำนวนชั่วโมงในการสนทนาออนไลน์ ระหว่างคณะบริหารธุรกิจและคณะบัญชี

  • Ho : จำนวนชั่วโมงในการสนทนาออนไลน์เฉลี่ยของนักศึกษาคณะบริหารธุรกิจและคณะบัญชีไม่แตกต่างกัน

H1 : จำนวนชั่วโมงในการสนทนาออนไลน์เฉลี่ยของนักศึกษาคณะบริหารธุรกิจและคณะบัญชีแตกต่างกัน

  • ค่า Sig = 0.003
  • ระดับนัยสำคัญ() = 0.05
  • ค่า Sig <  แสดงว่าปฏิเสธสมมติฐานหลัก นั่นคือ จำนวนชั่วโมงในการสนทนาออนไลน์เฉลี่ยของนักศึกษาคณะบริหารธุรกิจและคณะบัญชีแตกต่างกัน ที่ระดับนัยสำคัญ 0.05
slide53

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ผลการวิเคราะห์
slide54

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

จากตาราง เป็นการวิเคราะห์หาความแตกต่างระหว่างจำนวนชั่วโมงในการสนทนาออนไลน์โดยจำแนกตามชั้นปี และ คณะ พบว่า

เมื่อวิเคราะห์ความผันแปรร่วมระหว่างชั้นปีและคณะ พบว่า ความผันแปรร่วมระหว่างชั้นปีและคณะ ไม่มีผลต่อจำนวนชั่วโมงในการสนทนาออนไลน์ของนักศึกษา ที่ระดับนัยสำคัญ 0.05 ซึ่งค่า Sig ที่ได้จากการทดสอบครั้งนี้มีค่าเท่ากับ 0.692

เมื่อจำแนกตามชั้นปี พบว่าทั้ง 4 ชั้นปีมีจำนวนชั่วโมงในการสนทนาออนไลน์ไม่แตกต่างกัน ที่ระดับนัยสำคัญ 0.05 ซึ่งค่า Sig ที่ได้จากการทดสอบครั้งนี้มีค่าเท่ากับ 0.080

เมื่อจำแนกตามคณะ พบว่ามีอย่างน้อย 2 คณะที่มีจำนวนชั่วโมงในการสนทนาออนไลน์แตกต่างกันที่ระดับนัยสำคัญ 0.05 ซึ่งค่า Sig ที่ได้จากการทดสอบครั้งนี้มีค่าเท่ากับ 0.041 ดังนั้น จึงต้องทดสอบเพื่อหาความแตกต่างระหว่างชั้นปี โดยใช้วิธีการสอบสอบ Multiple Comparison Test และเลือกใช้ค่าสถิติ LSD ในการทดสอบ ซึ่ง แสดงผลลัพธ์ในตาราง ดังนี้

slide55

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

*แสดงคณะที่มีจำนวนชั่วโมงในการเล่นเกมออนไลน์ที่แตกต่างกัน

จากตารางพบว่า มีจำนวนคณะที่มีจำนวนชั่วโมงในการสนทนาออนไลน์ที่แตกต่างกัน 2 คู่ ดังนี้คือ คณะบริหารธุรกิจกับคณะบัญชี และคณะบริหารธุรกิจกับคณะวิทยาศาสตร์ โดยทดสอบที่ระดับนัยสำคัญ 0.05 และคู่ที่มีจำนวนชั่วโมงในการเล่นเกมออนไลน์ที่แตกต่างกันมากที่สุดคือ คณะบริหารธุรกิจกับคณะบัญชี ซึ่งมีค่าความแตกต่างเท่ากับ 3.23 ชั่วโมง

slide56

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

การวิเคราะห์ความสัมพันธ์ของตัวแปร

slide57

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

  • ทดสอบความสัมพันธ์ระหว่างตัวแปรตั้งแต่ 2 ตัวแปรขึ้นไป
  • ลักษณะของตัวแปรที่ใช้ในการทดสอบจะมี 2 ชนิด
    • ตัวแปรเชิงปริมาณ
    • ตัวแปรเชิงคุณภาพ
  • จะต้องวิเคราะห์ความสัมพันธ์ และหาขนาดความสัมพันธ์ของตัวแปร
slide58

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

การทดสอบสามารถทดสอบได้ 3 กรณี
  • ตัวแปรเชิงปริมาณกับเชิงปริมาณ
  • ตัวแปรเชิงคุณภาพกับเชิงคุณภาพ
  • ตัวแปรเชิงปริมาณกับเชิงคุณภาพ
slide59

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ตัวแปรเชิงปริมาณกับตัวแปรเชิงปริมาณตัวแปรเชิงปริมาณกับตัวแปรเชิงปริมาณ
  • ข้อมูลจะอยู่ในมาตรวัด Interval Scale และ Ratio Scale
  • วัดความสัมพันธ์ จากค่าสัมประสิทธิ์สหสัมพันธ์
  • ใช้ r แทนกลุ่มตัวอย่าง และ  แทนประชากร
  • ค่าที่วัดได้จะอยู่ระหว่าง -1 ถึง 1
slide60

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ความหมายของค่าสัมประสิทธิ์สหสัมพันธ์ความหมายของค่าสัมประสิทธิ์สหสัมพันธ์
slide61

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ระดับความสัมพันธ์
slide62

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

สมมติฐาน

Ho : ตัวแปรทั้งสองตัวไม่มีความสัมพันธ์กัน( = 0)

H1 : ตัวแปรทั้งสองตัวมีความสัมพันธ์กัน (  0)

Data10_1.sav

ลักษณะของคำถามในแบบสอบถาม

1. เกรดเฉลี่ย ………………………………...

2. จำนวนชั่วโมงในการอ่านหนังสือ .........................ชั่วโมง/วัน

ต้องการทดสอบความสัมพันธ์ระหว่างเกรดเฉลี่ยของนักศึกษากับจำนวนชั่วโมงในการอ่านหนังสือว่ามีความสัมพันธ์กันหรือไม่

slide63

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

slide64

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ผลลัพธ์ของโปรแกรม SPSS Correlations

คำสั่ง

Analyze  Correlate  Bivariate …

slide65

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ขั้นตอนการทดสอบสมมติฐาน
  • Ho : เกรดเฉลี่ยของนักศึกษากับจำนวนชั่วโมงในการอ่านหนังสือไม่มีความสัมพันธ์กัน

H1 : เกรดเฉลี่ยของนักศึกษากับจำนวนชั่วโมงในการอ่านหนังสือมีความสัมพันธ์กัน

  • ค่า Sig = 0.028
  • ระดับนัยสำคัญ() = 0.05
  • ค่า Sig <  แสดงว่าปฏิเสธสมมติฐานหลัก นั่นคือ เกรดเฉลี่ยของนักศึกษากับจำนวนชั่วโมงในการอ่านหนังสือมีความสัมพันธ์กัน ที่ระดับนัยสำคัญ 0.05

ขนาดความสัมพันธ์ของเกรดเฉลี่ยและจำนวนชั่วโมงในการอ่านหนังสือมีค่าเท่ากับ 0.492

slide66

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ผลการวิเคราะห์

*p<.05

จากตาราง แสดงค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างเกรดเฉลี่ยและจำนวนชั่วโมงในการอ่านหนังสือ เมื่อทดสอบที่ระดับนัยสำคัญ 0.05 โดยพบว่าเกรดเฉลี่ยมีความสัมพันธ์กับจำนวนชั่วโมงในการอ่านหนังสือของนักศึกษาในทิศทางเดียวกัน(r=0.492)

slide67

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ในกรณีที่ทดสอบตัวแปรพร้อมกันมากกว่า 2 ตัวแปร

Example.sav

  • ตัวแปรสำหรับการทดสอบมีดังนี้ Exp, Amount1, Amount2 และ Amount3 ต้องการทดสอบว่าตัวแปรทั้ง 4 ตัว มีความสัมพันธ์กันหรือไม่
slide68

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ผลลัพธ์ของโปรแกรม SPSS

4 4 1 2 6

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

จะต้องทดสอบสมมติฐาน โดยจำนวนคู่ที่ต้องทดสอบ เป็น = 4(4-1)/2 = 6 คู่

ตัวอย่างขั้นตอนการทดสอบสมมติฐานระหว่างตัวแปร Exp กับ Amount1 ดังนี้

1. Ho : ประสบการณ์กับจำนวนวันในการใช้ IT เพื่อการสอนไม่มีความสัมพันธ์กัน

H1 : ประสบการณ์กับจำนวนวันในการใช้ IT เพื่อการสอนมีความสัมพันธ์กัน

  • ค่า Sig = 0.144
  • ระดับนัยสำคัญ() = 0.01
  • ค่า Sig >  แสดงว่ายอมรับสมมติฐานหลัก นั่นคือประสบการณ์กับจำนวนวันในการใช้ IT เพื่อการสอนไม่มีความสัมพันธ์กัน ที่ระดับนัยสำคัญ 0.01
slide70

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ผลการวิเคราะห์

**p<.01

slide71

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

จากตาราง แสดงค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างตัวแปรทั้ง 4 ตัวแปร พบว่ามีจำนวน 3 คู่ที่มีความสัมพันธ์กัน โดยเมื่อทดสอบที่ค่าระดับนัยสำคัญ 0.01 พบว่า จำนวนวันในการใช้ IT สำหรับการสอน(Amount1) มีความสัมพันธ์ในทิศทางเดียวกับจำนวนชั่วโมงในการใช้ IT สำหรับการเตรียมสอนของอาจารย์ (Amount2; r=0.267) และ มีความสัมพันธ์ในทิศทางเดียวกับจำนวนชั่วโมงในการใช้ IT สำหรับการสอน(Amount3; r=0.419) ส่วนจำนวนชั่วโมงในการใช้ IT สำหรับการเตรียมสอนของอาจารย์(Amount2) มีความสัมพันธ์ในทิศทางเดียวกับจำนวนชั่วโมงในการใช้ IT สำหรับการสอน(Amount3; r=0.365)

slide72

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ตัวแปรเชิงคุณภาพกับเชิงคุณภาพ
  • ข้อมูลจะอยู่ในมาตรวัด Nominal Scale และ Ordinal Scale
  • ข้อมูลจัดอยู่ในรูปแบบของตารางสองทาง (Crosstab)
  • สถิติทดสอบ คือ Chi-square

โดยการทดสอบจะต้องกระทำ 2 ขั้นตอน ดังนี้

  • ทดสอบความสัมพันธ์ของตัวแปรทั้ง 2 ตัว
  • หาขนาดความสัมพันธ์ของตัวแปรทั้งสองตัว
slide73

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ขั้นตอนการทดสอบความสัมพันธ์ของตัวแปรเชิงคุณภาพ กับเชิงคุณภาพ

คำสั่ง

Analyze  Descriptive Statistics  Crosstabs...

  • ลักษณะข้อมูลที่เก็บรวบรวมได้มี 2 แบบ
  • ข้อมูลปฐมภูมิ
  • ข้อมูลทุติยภูมิ
slide74

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ข้อมูลปฐมภูมิ

Data10_2P.sav

1. อาชีพ

 ข้าราชการ พนักงานบริษัท  หมอ

2. รายได้

 ต่ำกว่า 10,000 บาท  10,000 – 25,000 บาท

 มากกว่า 25,000 บาท

อาชีพและรายได้มีความสัมพันธ์กันหรือไม่

slide75

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

slide76

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ขั้นตอนการทดสอบสมมติฐานขั้นตอนการทดสอบสมมติฐาน

1. Ho : อาชีพไม่มีความสัมพันธ์กันกับรายได้ (=0)

H1 : อาชีพมีความสัมพันธ์กันกับรายได้ ( 0)

  • สถิติทดสอบ คือ Chi-Square = 21.450
  • ค่า Sig = 0.000
  • ระดับนัยสำคัญ() = 0.05
  • ค่า Sig <  แสดงว่าปฏิเสธสมมติฐานหลัก นั่นคือ อาชีพมีความสัมพันธ์กันกับรายได้ ที่ระดับนัยสำคัญ 0.05
slide77

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ข้อมูลทุติยภูมิ

Data10_2S.sav

slide78

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ลักษณะการป้อนข้อมูล

ปฐมภูมิ

ทุติยภูมิ

slide79

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

การหาความสัมพันธ์ของข้อมูลทุติยภูมิการหาความสัมพันธ์ของข้อมูลทุติยภูมิ

ใช้ 2 คำสั่ง

  • คำสั่ง Data  Weight Cases…
  • คำสั่ง Analyze  Descriptive Statistics  Crosstabs...

จะได้ผลลัพธ์เหมือนกรณีข้อมูลปฐมภูมิ

slide80

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

การหาขนาดความสัมพันธ์ของตัวแปรเชิงคุณภาพกับเชิงคุณภาพ

วิธีการวัดขนาดความสัมพันธ์ ทำได้ 2 แบบ

  • แบบ Symmetric ไม่คำนึงว่าตัวแปรใดเป็นตัวแปรอิสระหรือตัวแปรใดเป็นตัวแปรตาม
  • แบบ Asymmetric  จะต้องคำนึงว่าตัวแปรใดเป็นตัวแปรอิสระหรือตัวแปรใดเป็นตัวแปรตาม

คำสั่ง

Analyze  Descriptive Statistics  Crosstabs...

slide81

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Symmetric

Symmetric

Symmetric

Asymmetric

Symmetric

Asymmetric

Symmetric

Asymmetric

Asymmetric

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

เลือกลักษณะความสัมพันธ์

slide82

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

slide83

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

slide84

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

  • วัดขนาดความสัมพันธ์แบบ Uncertainty coefficient มีค่าเท่ากับ 0.094 แสดงว่า อาชีพและรายได้มีความสัมพันธ์กันในระดับน้อย เนื่องจากค่าที่วัดได้มีค่าต่ำ
    • ในกรณีที่กำหนดให้รายได้เป็นตัวแปรตาม ขนาดความสัมพันธ์มีค่าเท่ากับ 0.094 แสดงว่า อาชีพและรายได้มีความสัมพันธ์กันในระดับน้อย เนื่องจากค่าที่วัดได้มีค่าต่ำ
    • ในกรณีที่กำหนดให้อาชีพเป็นตัวแปรตาม ขนาดความสัมพันธ์มีค่าเท่ากับ 0.095 แสดงว่า อาชีพและรายได้มีความสัมพันธ์กันในระดับน้อย เนื่องจากค่าที่วัดได้มีค่าต่ำ
slide85

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

วัดขนาดความสัมพันธ์แบบ Phi and Cram_r’s V มีค่าเท่ากับ 0.463 และ 0.327 ตามลำดับ แสดงว่า อาชีพและรายได้มีความสัมพันธ์กันในระดับน้อย เนื่องจากค่าที่วัดได้มีค่าต่ำ

slide86

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ผลการวิเคราะห์

*p<.05

จากตาราง แสดงค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างอาชีพและรายได้ เมื่อทดสอบที่ระดับนัยสำคัญ 0.05 โดยพบว่าอาชีพมีความสัมพันธ์กับรายได้ในทิศทางเดียวกัน(r=0.327)

slide87

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ตัวแปรเชิงปริมาณกับเชิงคุณภาพตัวแปรเชิงปริมาณกับเชิงคุณภาพ

ต้องทดสอบ 2 ขั้นตอน

1. ทดสอบความสัมพันธ์ของตัวแปรทั้ง 2 ตัว

2. หาขนาดของความสัมพันธ์ว่ามากน้อยเพียงใด

slide88

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ทดสอบความสัมพันธ์ของตัวแปรเชิงปริมาณกับเชิงคุณภาพ
  • โดยคำสั่งในการทดสอบในหัวข้อนี้จะใช้คำสั่งเดียวกับการวิเคราะห์ความแปรปรวนแบบทางเดียว(One Way ANOVA)

คำสั่ง

Analyze  Compare Means  One-Way ANOVA…

slide89

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

Data10_3.sav

Ex ต้องการตรวจสอบว่าจำนวนชั่วโมงในการดูโทรทัศน์มีความสัมพันธ์กันกลุ่มอายุหรือไม่

1. อายุ

ต่ำกว่า 25 ปี 26 – 50 ปี  ตั้งแต่ 46 ปี ขึ้นไป

2. จำนวนชั่วโมงในการดูโทรทัศน์ ............................ ชั่วโมง/ วัน

slide90

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

  • จากผลลัพธ์ของโปรแกรม สามารถเขียนขั้นตอนการทดสอบสมมติฐานได้ ดังนี้
  • 1. Ho : จำนวนชั่วโมงในการดูโทรทัศน์ไม่มีความสัมพันธ์กับกลุ่มอายุ
  • H1 : จำนวนชั่วโมงในการดูโทรทัศน์มีความสัมพันธ์กับกลุ่มอายุ
  • สถิติทดสอบ คือ F = 3.806
  • ค่า Sig = 0.035
  • ระดับนัยสำคัญ() = 0.05
  • ค่า Sig <  แสดงว่าปฏิเสธสมมติฐานหลัก นั่นคือ จำนวนชั่วโมงในการดูโทรทัศน์มีความสัมพันธ์กับกลุ่มอายุ ที่ระดับนัยสำคัญ 0.05
slide91

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

การหาขนาดความสัมพันธ์ของตัวแปรเชิงปริมาณกับเชิงคุณภาพ

คำสั่ง

Analyze  Descriptive Statistics  Crosstabs...

slide92

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

จากผลลัพธ์ของโปรแกรม SPSS สามารถอธิบายขนาดความสัมพันธ์ของตัวแปรทั้ง 2 ตัวแปร ได้ดังนี้

ในกรณีที่กำหนดให้จำนวนชั่วโมงในการดูโทรทัศน์เป็นตัวแปรตาม ขนาดความสัมพันธ์มีค่าเท่ากับ 0.469 แสดงว่า จำนวนชั่วโมงในการดูโทรทัศน์และกลุ่มอายุมีความสัมพันธ์กันในระดับปานกลาง

ในกรณีที่กำหนดให้กลุ่มอายุเป็นตัวแปรตาม ขนาดความสัมพันธ์มีค่าเท่ากับ 0.669 แสดงว่า จำนวนชั่วโมงในการดูโทรทัศน์และกลุ่มอายุมีความสัมพันธ์กันในระดับปานกลาง

จากผลลัพธ์ที่ได้ จะเห็นว่าตัวแปรทั้ง 2 ตัว ตัวแปรที่ควรจะเป็นตัวแปรตาม คือ จำนวนชั่วโมงในการดูโทรทัศน์ ดังนั้นขนาดความสัมพันธ์ของตัวแปร ควรจะมีค่าเท่ากับ 0.469

slide93

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

กลุ่มอายุ

จำนวนชั่วโมงในการดูโทรทัศน์

กลุ่มอายุ

-

จำนวนชั่วโมงในการดูโทรทัศน์

0.469*

-

*p<.05

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ผลการวิเคราะห์

จากตาราง แสดงค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างจำนวนชั่วโมงในการดูโทรทัศน์และกลุ่มอายุ เมื่อทดสอบที่ระดับนัยสำคัญ 0.05 โดยพบว่าจำนวนชั่วโมงในการดูโทรทัศน์มีความสัมพันธ์กับกลุ่มอายุในทิศทางเดียวกัน(r=0.469)

slide94

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

การวิเคราะห์การถดถอย

regression

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

เชิงเส้น

ความสัมพันธ์

ระหว่างตัวแปร

ไม่เป็นเชิงเส้น

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

Regression
  • เป็นการวิเคราะห์หาความสัมพันธ์ระหว่างตัวแปรอิสระหรือตัวแปรต้นกับตัวแปรตาม
  • ตัวแปรที่จะใช้ในการวิเคราะห์จะเป็นตัวแปรเชิงปริมาณ
  • จะนำเสนอผลการวิเคราะห์ในรูปแบบของสมการ
regression1

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

Regression แบ่งเป็น
  • Simple Linear Regression Analysis
  • Multiple Linear Regression Analysis
simple linear regression analysis

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

ตัวแปรต้น

(X)

ตัวแปรตาม

(Y)

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

Simple Linear Regression Analysis
  • ศึกษาความสัมพันธ์ของตัวแปร 2 ตัว
slide98

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

สมการการถดถอยเชิงเส้นของประชากร

Y = β0 + β1X + ε

สมการการถดถอยเชิงเส้นของกลุ่มตัวอย่าง

Y = b0 + b1X + e

สมการจากการพยากรณ์ (การประมาณค่า)

= b0 + b1X

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

Y

Y= β0 + β1X

β1

β0

X

slide99

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ขั้นตอนการวิเคราะห์การถดถอยเชิงเส้นอย่างง่ายขั้นตอนการวิเคราะห์การถดถอยเชิงเส้นอย่างง่าย
  • ตรวจสอบว่าตัวแปร X และ Y มีความสัมพันธ์กันเชิงเส้นหรือไม่
  • สร้างสมการการพยากรณ์ เพื่อใช้สำหรับการประมาณค่า Y
  • ตรวจสอบข้อตกลงเบื้องต้นของการวิเคราะห์ความถดถอยเชิงเส้นอย่างง่ายของตัวแปรทั้งสอง
slide100

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ค่าสถิติที่ควรรู้

1) ค่าสัมประสิทธิ์สหสัมพันธ์

(Correlation Coefficient)

  • เป็นค่าความสัมพันธ์ของตัวแปร X กับ Y
  • สัญลักษณ์ที่ใช้คือ rxyหรือ r
  • ค่าที่คำนวณได้อยู่ในช่วงระหว่าง -1 ถึง 1
slide101

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

ค่า r

ความหมาย

ค่าบวก

มีความสัมพันธ์ในทิศทางเดียวกัน

ค่าลบ

มีความสัมพันธ์ในทิศทางตรงกันข้าม

ค่าเข้าใกล้ 1

มีความสัมพันธ์กันมาก และในทิศทางเดียวกัน

ค่าเข้าใกล้ -1

มีความสัมพันธ์กันมาก และในทิศทางตรงกันข้าม

ค่าเข้าใกล้ 0

มีความสัมพันธ์กันน้อย

ค่าเท่ากับ 1

มีความสัมพันธ์กันอย่างสมบูรณ์ และในทิศทางเดียวกัน

ค่าเท่ากับ -1

มีความสัมพันธ์กันอย่างสมบูรณ์ และในทิศทางตรงกันข้าม

ค่าเท่ากับ 0

ไม่มีความสัมพันธ์กัน

เช่น r=0.56 หมายความว่า ?

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ความหมายของค่าสัมประสิทธิ์สหสัมพันธ์ความหมายของค่าสัมประสิทธิ์สหสัมพันธ์
slide102

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

2) ค่าสัมประสิทธิ์การกำหนด

(The Coefficient of Determination)

- เกิดจากการนำค่าสัมประสิทธิ์สหสัมพันธ์ยกกำลังสอง

- ใช้แสดงความแปรผันที่เกิดขึ้นกับตัวแปร Y มีผลเนื่องมาจากตัวแปร X คิดเป็นกี่เปอร์เซ็นต์

- ใช้ศึกษาว่า สมการการประมาณค่ามีความเหมาะสมที่จะนำไปใช้ได้มากหรือน้อย

- ค่าที่คำนวณได้จะอยู่ในช่วงระหว่าง 0 ถึง 1

- สัญลักษณ์ที่ใช้คือ R2

slide103

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

  • ในกรณีที่ค่า R2 มีค่าเข้าใกล้ 1 แสดงว่าตัวแปร X มีอิทธิพลต่อตัวแปร Y อย่างมาก หมายความว่า สมการการประมาณค่าจะมีความเหมาะสมที่จะนำไปใช้งานได้มาก
  • ในกรณีที่ค่า R2 มีค่าเข้าใกล้ 0 แสดงว่า ตัวแปร X มีอิทธิพลต่อตัวแปร Y น้อยมาก หมายความว่า สมการการประมาณค่าจะมีความเหมาะสมที่จะนำไปใช้งานได้น้อย

เช่น R2=0.56 หมายความว่า ?

3 standard error of the estimate

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

SY.X> 0

SY.X= 0

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

Y

Y

= b0 + b1X

= b0 + b1X

X

X

3) ค่าความคลาดเคลื่อนมาตรฐานของการประมาณ (Standard Error of the Estimate)
  • เป็นค่าคลาดเคลื่อนที่เกิดจากการประมาณค่า Yด้วย
  • สัญลักษณ์ที่ใช้คือ SY.X
4 regression coefficient

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

Y

Y

Y

= b0 + b1X

= b0 - b1X

= b0 + b1X

X

X

X

4)ค่าสัมประสิทธิ์การถดถอ(Regression Coefficient)
  • เป็นค่าความชันของเส้นสมการการถดถอย
  • สัญลักษณ์ที่ใช้คือ b1

b1 = 0

b1 > 0

b1 < 0

slide106

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

Y

Y

X

X

ก) ความสัมพันธ์แบบเส้นตรงทางบวก

ข) ความสัมพันธ์แบบเส้นตรงทางลบ

Y

Y

X

X

ค) ความสัมพันธ์แบบเอกโปเนนเชียลทางบวก

ง) ความสัมพันธ์แบบเอกโปเนนเชียลทางลบ

Y

Y

X

X

จ) ความสัมพันธ์แบบพาราโบล่าทางบวก

ฉ) ไม่มีความสัมพันธ์กัน

การตรวจสอบความเป็นเชิงเส้นของข้อมูลการตรวจสอบความเป็นเชิงเส้นของข้อมูล
slide107

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

Data12_1.sav

  • ลักษณะของคำถามในแบบสอบถาม (จะเป็นข้อมูลเชิงปริมาณ)

1.เวลาในการออกอากาศ ......................... นาที/สัปดาห์

    • 2.อัตราค่าโฆษณา ................................. บาท/นาที

ตัวแปร X คือ ?

ตัวแปร Y คือ ?

ต้องการตรวจสอบว่า X และ Y มีความสัมพันธ์เชิงเส้นหรือไม่

คำสั่ง

Graphs  Scatter…

slide108

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

Graph

ข้อมูลมีลักษณะการกระจายตัวเป็นในแนวเส้นตรง แสดงว่าเวลาที่ใช้ในการโฆษณามีความสัมพันธ์เชิงเส้นกับอัตราค่าโฆษณา

slide109

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

วิธีการสร้างสมการการถดถอยวิธีการสร้างสมการการถดถอย

จะมีวิธีการคัดเลือกตัวแปรอิสระในการทดสอบได้หลายวิธี ดังนี้

  • Enter
  • Forward
  • Backward
  • Stepwise
  • Remove
slide110

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

คำสั่ง

Analyze  Regression  Linear …

slide111

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

  • สัมประสิทธิ์สหสัมพันธ์ (R)= 0.866 หมายความว่า เวลาที่ใช้ในการโฆษณามีความสัมพันธ์กับอัตราค่าโฆษณาในทิศทางเดียวกัน และมีความสัมพันธ์กันในระดับสูง (เนื่องจากค่า R มีค่ามาก)
  • สัมประสิทธิ์การกำหนด (R2)= 0.719 หมายความว่า อิทธิพลของเวลาที่ใช้ในการโฆษณาที่มีต่ออัตราค่าโฆษณาคิดเป็น 71.9 เปอร์เซ็นต์ ที่เหลืออีก 28.1 เปอร์เซ็นต์ เป็นผลเนื่องมาจากตัวแปรอื่น
  • ค่าความคลาดเคลื่อนมาตรฐานของการประมาณ (SY.X) = 37.470 หมายความว่า การประมาณค่าของอัตราค่าโฆษณา( )มีความคลาดเคลื่อนเกิดขึ้นเท่ากับ 37.470 พันบาท/นาที (ใช้หน่วยเดียวกับหน่วยของตัวแปรตาม)
slide112

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

  • Ho : เวลาที่ใช้ในการโฆษณาไม่มีความสัมพันธ์กับอัตราค่าโฆษณาแบบเชิงเส้น
  • H1 : เวลาที่ใช้ในการโฆษณามีความสัมพันธ์กับอัตราค่าโฆษณาแบบเชิงเส้น
  • สถิติทดสอบ คือ F = 24.058
  • ค่า Sig = 0.001
  • ระดับนัยสำคัญ() = 0.05
  • ค่า Sig <  แสดงว่าปฏิเสธสมมติฐานหลัก นั่นคือ เวลาที่ใช้ในการโฆษณามีความสัมพันธ์กับอัตราค่าโฆษณาแบบเชิงเส้น ที่ระดับนัยสำคัญ 0.05
slide113

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ทดสอบความสัมพันธ์ เชิงเส้นระหว่างตัวแปรอิสระและตัวแปร

  • Ho : β1 = 0
  • H1 : β1≠ 0
  • ค่า สถิติทดสอบ คือ t = 4.905
  • Sig = 0.001
  • ระดับนัยสำคัญ() = 0.05
  • ค่า Sig <  แสดงว่าปฏิเสธสมมติฐานหลัก นั่นคือ β1 ≠ 0 หมายความว่า เวลาที่ใช้ในการโฆษณามีความสัมพันธ์กับอัตราค่าโฆษณาแบบเชิงเส้น ที่ระดับนัยสำคัญ 0.05
slide114

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

= b0 + b1X

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

นำค่าในคอลัมน์ B ไปใช้ในการสร้างสมการการถดถอยอย่างง่ายได้จากสมการ

จะได้สมการพยากรณ์ ดังนี้

^

อัตราค่าโฆษณา = 53.967 + 3.328(เวลาในการโฆษณา)

slide115

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

วิธีการพยากรณ์ค่า

ในการพยากรณ์ค่า หรือการประมาณค่า จะต้องทราบค่า X เพื่อจะใช้ประมาณให้เกิดค่า Y ได้

เช่น เมื่อ เวลาในการโฆษณา = 100 นาที/สัปดาห์ อัตราค่าโฆษณาจะเป็น

^

อัตราค่าโฆษณา = 53.967 + 3.328 (100)

= 386.767 พันบาท/นาที

= 386,767 บาท/นาที

slide116

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

slide117

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ผลการวิเคราะห์

จากตาราง เป็นผลการวิเคราะห์ความถดถอยของเวลาในการโฆษณาที่มีอิทธิพลต่ออัตราค่าโฆษณา โดยใช้วิธี Enter ในการคัดเลือกตัวแปร พบว่าเวลาในการโฆษณามีความสัมพันธ์แบบเชิงเส้นกับอัตราค่าโฆษณา และสามารถสร้างสมการการถดถอยเชิงเส้นอย่างง่ายได้ดังนี้

อัตราค่าโฆษณา = 53.967 + 3.328(เวลา)

slide118

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

การตรวจสอบข้อตกลงเบื้องต้นของสมการการถดถอย
  • ค่า e มีค่าเฉลี่ยเท่ากับศูนย์
  • ค่า e มีความแปรปรวนคงที่
  • ค่า e มีการแจกแจงแบบปกติ
  • ค่า e แต่ละตัวจะต้องเป็นอิสระต่อกัน
slide119

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

e

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

slide120

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

กฎข้อ 1 ค่า e มีค่าเฉลี่ยเท่ากับศูนย์

ไม่ต้องทดสอบ เนื่องจากในการวิเคราะห์ค่าสัมประสิทธิ์การถดถอย จะใช้วิธีกำลังสองน้อยสุด(Least Square Method) จะทำให้ค่าผลรวมของ e มีค่าเท่ากับศูนย์ ดังนั้น ค่าเฉลี่ยของ e จะมีค่าเท่ากับศูนย์ตามไปด้วย กฎข้อที่ 1 จึงเป็นจริงเสมอ

slide121

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

กฎข้อ 2 ค่า e มีความแปรปรวนคงที่

ดูจากลักษณะการกระจายตัวของข้อมูล โดยสังเกตจากกราฟ ซึ่งจะเป็นการสร้างกราฟระหว่างตัวแปร e และตัวแปร

^

Y

คำสั่ง

Analysis Regression  Linear …

slide122

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ทั้ง 2 รูป ใช้สำหรับดูการแจกแจงแบบปกติของค่า e

slide123

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ลักษณะของข้อมูลมีการกระจายตัวแบบไม่เป็นรูปแบบ แสดงว่า ค่าความแปรปรวนของค่า e คงที่(ถ้าลักษณะของข้อมูลมีการกระจายตัวแบบเป็นรูปแบบ คือเป็นแบบเชิงเส้น แสดงว่า ค่าความแปรปรวนของค่า e ไม่คงที่)

slide124

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

กฎข้อ 3 ค่า e มีการแจกแจงแบบปกติ
  • ใช้รูป Histogram หรือ Normal P-P Plot
  • หรือใช้วิธีการทดสอบการแจกแจงแบบปกติ Komogolov หรือ Shapiro wilk

คำสั่ง

Analyze Descriptive Statistics  Explore…

slide125

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

Explore

  • Ho : ค่าความคลาดเคลื่อนมีการแจกแจงแบบปกติ
  • H1 : ค่าความคลาดไม่มีการแจกแจงแบบปกติ
  • สถิติทดสอบ คือ Shapiro-Wilk = 0.932
  • ค่า Sig = 0.469
  • ระดับนัยสำคัญ() = 0.05
  • ค่า Sig>  แสดงว่ายอมรับสมมติฐานหลัก นั่นคือ ค่าความคลาดเคลื่อนมีการแจกแจงแบบปกติที่ระดับนัยสำคัญ 0.05
  • ดังนั้น จากการตรวจสอบ กฎข้อที่ 3 พบว่า ค่า e มีการแจกแจงแบบปกติ
slide126

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

กฎข้อ 4 ค่า e แต่ละตัวจะต้องเป็นอิสระต่อกัน

โดยจะตรวจสอบจากค่าของ Durbin-Watson ดังนี้

slide127

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

จากผลลัพธ์พบว่า ค่า Durbin-Watson = 1.637 เนื่องจากมีค่าเข้าใกล้ 2 แสดงว่า ค่า e แต่ละตัวจะต้องเป็นอิสระต่อกัน

slide128

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

การตรวจสอบข้อตกลงเบื้องต้นของสมการการถดถอย ในกฎทั้ง 4 ข้อ คือ ค่า e มีค่าเฉลี่ยเท่ากับศูนย์ , ค่า e มีความแปรปรวนคงที่, ค่า e มีการแจกแจงแบบปกติ และ ค่า e แต่ละตัวจะต้องเป็นอิสระต่อกัน ซึ่งจากการตรวจสอบ พบว่าผ่านกฎทั้ง 4 ข้อ ทำให้สมการการถดถอยที่สร้างขึ้น สามารถนำไปใช้ในการพยากรณ์ได้อย่างมีประสิทธิภาพ

multiple linear regression analysis

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

การวิเคราะห์การถดถอยพหุเชิงเส้น(Multiple Linear Regression analysis)
  • เป็นการศึกษาความสัมพันธ์ของตัวแปรมากกว่า 2 ตัว
  • ตัวแปรอิสระที่มีจำนวนมีมากกว่า 1 ตัว (ใช้สัญลักษณ์ X1,X2,…)
  • ตัวแปรตาม 1 ตัว (ใช้สัญลักษณ์ Y)
slide130

สมการการถดถอยเชิงเส้นของประชากรสมการการถดถอยเชิงเส้นของประชากร

Y = β0 + β1X1 + β2X2 + … + βkXk + ε

สมการการถดถอยเชิงเส้นของกลุ่มตัวอย่าง

Y = b0 + b1X1 + b2X2 +… + bkXk + e

สมการจากการพยากรณ์ (การประมาณค่า)

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

= b0 + b1X1 + b2X2 + … + bkXk

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

slide131

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ขั้นตอนการวิเคราะห์การถดถอยพหุเชิงเส้นขั้นตอนการวิเคราะห์การถดถอยพหุเชิงเส้น
  • เลือกตัวแบบ (Model) สำหรับการวิเคราะห์
  • สร้างสมการการพยากรณ์
  • ตรวจสอบข้อตกลงเบื้องต้น
slide132

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ค่าสถิติที่ควรรู้

ค่าสัมประสิทธิ์สหสัมพันธ์พหุ (Correlation Coefficient)

  • เป็นค่าที่แสดงขนาดความสัมพันธ์ระหว่างตัวแปรอิสระทั้งหมด กับตัวแปรตาม
  • สัญลักษณ์ที่ใช้คือ r
  • ค่าที่คำนวณได้อยู่ในช่วงระหว่าง 0 ถึง 1

r เท่ากับ 0.54 หมายความว่า ?

the coefficient of determination

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ค่าสัมประสิทธิ์การกำหนด (The Coefficient of Determination)
  • ใช้แสดงความแปรผันที่เกิดขึ้นกับตัวแปร Y มีผลเนื่องมากจากตัวแปร X ทุกตัวแปร คิดเป็นกี่เปอร์เซ็นต์
  • เพื่อศึกษาว่า สมการการประมาณค่า มีความเหมาะสมที่จะนำไปใช้ในได้มากหรือน้อย
  • สัญลักษณ์ที่ใช้คือ R2
  • ค่าที่คำนวณได้อยู่ในช่วงระหว่าง 0 ถึง 1

ค่า R2 มีค่าเท่ากับ 0.64 หมายความว่า ?

standard error of the estimate

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

= 2.3 บาท หมายความว่า ?

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ค่าความคลาดเคลื่อนมาตรฐานของการประมาณ (Standard Error of the Estimate)
  • ความคลาดเคลื่อนที่เกิดขึ้นจากการนำตัวแปรอิสระมาใช้ในการประมาณค่าตัวแปรตาม
  • สัญลักษณ์ที่ใช้คือ
regression coefficient

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ค่าสัมประสิทธิ์การถดถอย(Regression Coefficient)

จะต้องแยกการทดสอบเป็น 2 ขั้นตอนคือ

  • การทดสอบสัมประสิทธิ์การถดถอยโดยรวม

สมมติฐาน

H0 : β1= β2= … = βk = 0

H1 : มี βi อย่างน้อย 1 ตัวที่ไม่เท่ากับศูนย์

slide136

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

2. การทดสอบสัมประสิทธิ์การถดถอยแต่ละค่า

สมมติฐาน

H0 : βi= 0

H1 : βi  0

slide137

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

การสร้างสมการการถดถอยพหุเชิงเส้น
  • วิธี Enter ในการวิเคราะห์จะได้ตัวแบบ(Model) เพียง 1 แบบเท่านั้น
  • วิธี Forward
  • วิธี Backward
  • วิธี Stepwise
  • วิธี Remove
slide138

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

Data12_2.sav

  • ลักษณะของคำถามในแบบสอบถาม
  • ค่าใช้จ่ายในการประชาสัมพันธ์ ............................. บาท
  • จำนวนพนักงานขาย ................................... คน
  • ระยะเวลาจัดตั้งบริษัท .................................. ปี
  • จำนวนรุ่นของรถยนต์ ...................... รุ่น
  • ยอดขายรถยนต์ ................................. คัน

ตัวแปรอิสระ(X) คือ ?

ตัวแปรตาม (Y) คือ ?

คำสั่ง

Analyze  Regression  Linear …

slide139

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

slide140

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

เลือก Model ที่ R2มากที่สุด

  • สัมประสิทธิ์สหสัมพันธ์ (R)= 0.888 หมายความว่า ยอดขายรถยนต์มีความสัมพันธ์กับจำนวนพนักงานขาย ค่าประชาสัมพันธ์ และระยะเวลาจัดตั้งบริษัท ในระดับสูง (เนื่องจากค่า R มีค่ามาก)
  • สัมประสิทธิ์การกำหนด (R2)= 0.731 หมายความว่า อิทธิพลของจำนวนพนักงานขาย ค่าประชาสัมพันธ์ และระยะเวลาจัดตั้งบริษัท ที่มีต่อยอดขายรถยนต์คิดเป็น 73.1 เปอร์เซ็นต์ ที่เหลืออีก 26.9 เปอร์เซ็นต์ เป็นผลเนื่องมาจากตัวแปรอื่น
  • ค่าความคลาดเคลื่อนมาตรฐานของการประมาณ = 4.942 หมายความว่า การประมาณค่าของยอดขายรถยนต์ มีความคลาดเคลื่อน เกิดขึ้นเท่ากับ 4.942 ร้อยคัน (ใช้หน่วยเดียวกับหน่วยของตัวแปรตาม)
slide141

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

slide142

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ทดสอบสมมติฐาน
  • H0 : ตัวแปร Y ไม่มีความสัมพันธ์เชิงเส้นกับตัวแปร Xi ทั้ง 3 ตัว

H1 : มีตัวแปร Xi อย่างน้อย 1 ตัวแปรที่มีความสัมพันธ์เชิงเส้นกับตัวแปร Y

  • สถิติทดสอบ คือ F = 13.687
  • ค่า Sig = 0.000
  • ระดับนัยสำคัญ() = 0.05
  • ค่า Sig <  แสดงว่าปฏิเสธสมมติฐานหลัก นั่นมีตัวแปร Xi อย่างน้อย 1 ตัวแปรที่มีความสัมพันธ์เชิงเส้นกับตัวแปร Y ที่ระดับนัยสำคัญ 0.05
slide143

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

การทดสอบจะต้องทดสอบ β 3 ค่า

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

ตัวแปรที่มีอิทธิพลต่อยอดขายรถยนต์มากที่สุด คือ จำนวนพนักงานขาย (เนื่องจากมีค่า Beta มากที่สุด)

slide144

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

  • การทดสอบความสัมพันธ์เชิงเส้นระหว่างยอดขายรถยนต์กับจำนวนพนักงานขาย
  • Ho : β1 = 0
  • H1 : β1≠ 0
  • สถิติทดสอบ คือ t = 3.374
  • ค่า Sig = 0.006
  • ระดับนัยสำคัญ() = 0.05
  • ค่า Sig <  แสดงว่าปฏิเสธสมมติฐานหลัก นั่นคือ β1≠ 0 หมายความยอดขายรถยนต์มีความสัมพันธ์กับจำนวนพนักงานขายแบบเชิงเส้น ที่ระดับนัยสำคัญ 0.05
slide145

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

  • การทดสอบความสัมพันธ์เชิงเส้นระหว่างยอดขายรถยนต์กับค่าประชาสัมพันธ์
  • Ho : β2 = 0
  • H1 : β2≠ 0
  • สถิติทดสอบ คือ t = 2.915
  • ค่า Sig = 0.014
  • ระดับนัยสำคัญ() = 0.05
  • ค่า Sig <  แสดงว่าปฏิเสธสมมติฐานหลัก นั่นคือ
  • β2≠ 0 หมายความยอดขายรถยนต์มีความสัมพันธ์กับค่าประชาสัมพันธ์แบบเชิงเส้น ที่ระดับนัยสำคัญ 0.05
slide146

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

  • การทดสอบความสัมพันธ์เชิงเส้นระหว่างยอดขายรถยนต์กับระยะเวลาจัดตั้งบริษัท
  • Ho : β3 = 0
  • H1 : β3≠ 0
  • สถิติทดสอบ คือ t = -2.232
  • ค่า Sig = 0.047
  • ระดับนัยสำคัญ() = 0.05
  • ค่า Sig <  แสดงว่าปฏิเสธสมมติฐานหลัก นั่นคือ
  • β3≠ 0 หมายความยอดขายรถยนต์มีความสัมพันธ์กับระยะเวลาจัดตั้งบริษัทแบบเชิงเส้น ที่ระดับนัยสำคัญ 0.05
slide147

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

จากสมการ

^

Y = b0 + b1X1 + b2X2 + b3X3

จะได้

^

ยอดขายรถยนต์ = 15.552 + 0.947(จำนวนพนักงาน) + 0.053(ค่าประชาสัมพันธ์) – 0.377(ระยะเวลาจัดตั้งบริษัท)

slide148

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

วิธีการพยากรณ์ค่า

เช่น เมื่อ จำนวนพนักงาน = 10 คน, ค่าประชาสัมพันธ์ = 200,000 บาท และระยะเวลาจัดตั้งบริษัท = 5 ปี

ยอดขายรถยนต์โดยประมาณ จะเป็น

^

ยอดขายรถยนต์ = 15.552 + 0.947(10) +

0.053(200) – 0.377(5)

= 33.737 ร้อยคัน

= 3,373.7 คัน

slide149

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

การตรวจสอบข้อตกลงเบื้องต้นของสมการการถดถอยการตรวจสอบข้อตกลงเบื้องต้นของสมการการถดถอย
  • ค่า e มีค่าเฉลี่ยเท่ากับศูนย์
  • ค่า e มีความแปรปรวนคงที่
  • ค่า e มีการแจกแจงแบบปกติ
  • ค่า e แต่ละตัวจะต้องเป็นอิสระต่อกัน
  • ตัวแปรอิสระแต่ละตัวต้องเป็นอิสระกัน (เพิ่มจากการวิเคราะห์การถดถอยเชิงเส้นอย่างง่าย)
slide150

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

1) ค่า e มีค่าเฉลี่ยเท่ากับศูนย์

2) ค่า e มีความแปรปรวนคงที่

ไม่ต้องทดสอบ ผ่านเลย

slide151

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

3) ค่า e มีการแจกแจงแบบปกติ

4) ค่า e แต่ละตัวจะต้องเป็นอิสระต่อกัน

slide152

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

5) ตัวแปรอิสระแต่ละตัวต้องเป็นอิสระกัน
slide153

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

จากผลลัพธ์พบว่า ค่า Tolerance และ VIF มีค่าเข้าใกล้ 1 แสดงว่า ตัวแปรอิสระแต่ละตัวต้องเป็นอิสระกัน

การตรวจสอบข้อตกลงเบื้องต้นของสมการการถดถอย ในกฎทั้ง 5 ข้อ คือ ค่า e มีค่าเฉลี่ยเท่ากับศูนย์ , ค่า e มีความแปรปรวนคงที่, ค่า e มีการแจกแจงแบบปกติ , ค่า e แต่ละตัวจะต้องเป็นอิสระต่อกัน และ ตัวแปรอิสระแต่ละตัวต้องเป็นอิสระกัน ซึ่งจากการตรวจสอบ พบว่า ผ่านกฎทั้ง 5 ข้อ ทำให้สมการการถดถอยพหุเชิงเส้นที่สร้างขึ้น สามารถนำไปใช้ในการพยากรณ์ได้อย่างมีประสิทธิภาพ

slide154

Faculty of Accountancy and Management

Mahasarakham University, Thailand 44150

Dr. Nitiphong Songsrirote, econ555@gmail.com, http://www.nitiphong.com

สรุป

  • ความรู้ทางทฤษฎีเกี่ยวกับวิจัยและสถิติ
  • การใช้ SPSS ในการวิเคราะห์ข้อมูล
  • ข้อพึงระวัง “Garbage In, Garbage Out” ดังนั้น ต้องตรวจสอบข้อมูลว่าเป็นไปตามข้อสมมติหรือไม่ และ Model นั้นต้องมีความเหมาะสม